PAA - Aula9 - Busca Exaustiva

UNIVERSIDADE DO ESTADO DO AMAZONAS
ESCOLA SUPERIOR DE TECNOLOGIA

NCLEO DE COMPUTAO - NUCOMP
Projeto e Anlise de Algoritmos

Fora bruta - Busca exaustiva
Prof. Flvio Jos Mendes Coelho
fcoelho@uea.edu.br
Nesta aula...
Busca exaustiva
Busca em profundida em grafos (DFS)
Busca em largura em grafos (BFS)
UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho
Busca exaustiva
Busca exaustiva
Muitos problemas importantes pedem a
descoberta de um elemento com uma
propriedade especial dentro de um espao
de busca que cresce exponencialmente ou
pior com o tamanho da instncia.
Em geral, tais elementos so objetos
combinatrios tais como permutaes,
combinaes e subconjuntos de um
conjunto.
Busca exaustiva
Muitos deste problemas so problemas de
otimizao combinatria: descobrir um
elemento que maximiza ou minimiza
alguma caracterstica desejvel.
Definio. Busca exaustiva (enumerao
explcita) a aplicao da abordagem de
fora bruta para problemas de otimizao
combinatria.
Busca exaustiva
A estratgia de busca exaustiva simples:
1. Construa todos os objetos combinatrios do
espao de busca E para a instncia I do
problema P.
2. Escolha o elemento timo de E para I.
Como E cresce exponencialmente com o
tamanho de P, empregar esta estratgia
para instncias no moderadas de P
computacionalmente invivel.
Busca exaustiva
Alguns problemas importantes de otimizao
combinatria:
PCV Problema do Caixeiro Viajante
(Traveling Salesman Problema TSP)
Problema da Mochila (Knapsack Problem)
Problema da alocao
(Assignment Problem)
PCV
Definio. Dadas n cidades com distncias
conhecidas entre cada par de cidades,
encontrar o tour mais curto que passe por
todas as cidades exatamente uma vez
antes de retornar a cidade de origem.
Definio alternativa. Encontrar o circuito
Hamiltoniano mais curto em um grafo
conectado e ponderado.
PCV
2
b
a
5
8
4
3
c
PCV
Soluo exaustiva
1. Construa o conjunto de todas as
permutaes (tours) das n1 cidades.
2. Encontre neste conjunto uma permutao
com o custo mnimo.
10
PCV
2
5
8
4
c
3
7
Tour
Custo
a b c d a
2 + 3 + 7 + 5 = 17
T(n) = (n1)!
a b d c a
a c b d a
a c d b a
2 + 4 + 7 + 8 = 21
8 + 3 + 4 + 5 = 20
8 + 7 + 4 + 2 = 21
T(n)(n!)
a d b c a
a d c b a
5 + 4 + 3 + 8 = 20
5 + 7 + 3 + 2 = 17
11
Problema da mochila
Definio. Dados n objetos, seus pesos w1,
w2, , wn, seus valores v1, v2, , vn e uma
mochila (knapsack) de capacidade W,
encontrar o subconjunto mais valioso de
objetos que caibam na mochila.
12
Problema da mochila
W = 10
mochila
w=7
v = R$42
w=3
v = R$12
w=4
v = R$40
w=5
v = R$25
objeto 1
objeto 2
objeto 3
objeto 4
13
Problema da mochila
Soluo exaustiva
1. Construa todos os subconjuntos do
conjunto de n objetos dados, calculando o
peso total de cada subconjunto.
2. Encontre um subconjunto vivel com o
valor mais elevado entre eles.
14
Problema da mochila
#
Subconjunto
Peso Total
Valor Total
R$0
{1}
R$42
{2}
R$12
{3}
R$40
{4}
R$25
{1, 2}
10
R$36
{1, 3}
11
invivel
{1, 4}
12
invivel
{2, 3}
R$52
10
{2, 4}
R$37
11
{3, 4}
R$65
12
{1, 2, 3}
14
invivel
13
{1, 2, 4}
15
invivel
14
{1, 3, 4}
16
invivel
15
{2, 3, 4}
12
invivel
16
{1, 2, 3, 4}
19
invivel
W = 10
w=5
v = R$25
objeto 4
w=4
v = R$40
objeto 3
mochila
15
Problema da mochila
Como o nmero de subconjuntos de um
conjunto de n elementos 2n, a busca
exaustiva leva a um algoritmo (2n).
Tanto para o PCV quanto para a mochila, a
busca exaustiva leva a algoritmos
extremamente ineficientes.
Estes problemas so chamados de problemas
NPdifcil.
16
Problema da alocao
Definio. Dados m pessoas e n tarefas, cada
pessoa executando uma tarefa a um custo
cij (1 i m, 1 j n). Determinar a
alocao de pessoas a tarefas de custo
mnimo.
17
Problema da alocao
Tarefa 1
Tarefa 2
Tarefa 3
Tarefa 4
Pessoa 1
Pessoa 2
Pessoa 3
Pessoa 4
18
Problema da alocao
Soluo exaustiva
1. Construa o conjunto de todas as
permutaes de pessoas onde a i-sima
pessoa executa a i-sima tarefa, calculando
o custo total de cada permutao.
2. Encontre a permutao de custo mnimo.
19
Busca em profundidade e busca

em largura em grafos
Os algoritmos de caminhamento em grafos
busca em profundidade (depth-first search DFS) e busca em largura (breadth-first search
- BFS) podem ser admitidos como algoritmos
de busca exaustiva.
20
Busca em profundidade
Ideia: o algoritmo caminha no grafo buscando
alcanar o seu vrtice mais distante
(profundo), sempre que possvel. Quando
alcana, volta para o vrtice anteriormente
visitado e segue outro caminho, da mesma
maneira.
Descobre no grafo uma rvore de busca em
profundidade (rvore geradora).
21
Cada vrtice inicia branco.
22
Cada vrtice visitado (descoberto) fica cinza.
23
24
25
26
27
Vrtice com adjacentes j visitados fica preto.
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
rvore de busca em profundidade.
50
Elementos do algoritmo
Cada vrtice:
1. Inicia BRANCO.
2. Muda para CINZA quando descoberto.
3. Muda para PRETO quando todos seus
vrtices adjacentes j foram visitados.
51
A rvore de busca em profundidade dada
por:
G = (V, E ), onde
E = {(v., v)| : v V e v. NULO} e
v. armazena o vrtice predecessor de v.
u.d : guarda o tempo em que u
descoberto.
52
DFS( G )
para cada vrtice u G.V
u.cor = BRANCO
u. = NULO
tempo = 0
para cada vrtice u G.V
se u.cor == BRANCO
DFS-VISITA(G, u)

DFS-VISITA(G, u)
tempo = tempo + 1 // descobre vrtice branco
u.d = tempo
u.cor = CINZA
para cada vrtice v G.adj[u] // explora aresta uv
se v.cor == BRANCO
u. = v
DFS-VISITA(G, v)
u.cor = PRETO // pinta u de preto; u est concludo
tempo = tempo + 1
u.f = tempo
53
DFS( G )
1 para cada vrtice u G.V
2 u.cor = BRANCO
3 u. = NULO
4 tempo = 0
5 para cada vrtice u G.V
6 se u.cor == BRANCO
7 DFS-VISITA(G, u)
54
DFS-VISITA(G, u)
1 tempo = tempo + 1 // descobre vrtice branco
2 u.d = tempo
3 u.cor = CINZA
4 para cada vrtice v G.adj[u] // explora aresta uv
5 se v.cor == BRANCO
6 u. = v
7 DFS-VISITA(G, v)
8 u.cor = PRETO // pinta u de preto
// u est concludo
9 tempo = tempo + 1
10 u.f = tempo
55
Eficincia de tempo
Matriz de adjacncia: (|V|2).
Lista de adjacncia: (|V| + |E|).
56
Propriedades da DFS:
Todos os vrtices so explorados.
Descobre uma floresta de rvores geradoras
(G). (rvores de busca em profundidade)
57
Aplicaes da DFS
Contar componentes conexas de um grafo.
Verificar se o grafo acclico.
Descobrir a sada de labirintos.
Verificar estruturas de parnteses (d e f).
Utilizada em ordenao topolgica.
58
Busca em largura
Ideia em grafos
1.Partindo de um vrtice-origem s do grafo, o
algoritmo visita (descobre) todos os vrtices
a uma distncia k = 1 do vrtice s.
2.Depois, visita os vrtices a uma distncia k
+ 1 de s, e assim por diante, at os vrtices
mais distantes de s.
Busca em largura
Busca em largura
Escolha um vrtice s de origem.
Busca em largura
Visite todos os seus adjacentes.
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Pinte s de preto aps visitar seus adjacentes.
Busca em largura
1
4
2
3
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
2
1
3
s
7
5
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Busca em largura
Descobre uma rvore de busca em largura.
Busca em largura
Cada vrtice:
1. Inicia BRANCO.
2. Muda para CINZA quando descoberto.
3. Muda para PRETO quando todos seus
vrtices adjacentes j foram visitados.
Busca em largura
A rvore de busca dada por:
G = (V, E ), onde
E = {(v., v)| : v V e v. NULO} e
v. armazena o vrtice predecessor de v.
u.d : acumula a distncia da origem s at u.
BFS(G, s)
1 para cada vrtice u G.V {s}
2 u.cor = BRANCO
3 u.d =
4 u. = NULO
5 s.cor = CINZA
6 s.d = 0
7 s. = NULO
8 Q =
9 ENFILEIRA(Q, s)
10 enquanto Q faa
11 u = DESENFILEIRA (Q)
12 para cada vrtice v G.adj[u]
14 v.cor = CINZA
15 v.d = u.d + 1
16 v. = u
17 ENFILEIRA(Q, v)
18 u.cor = PRETO
BFS(G, s)
1 para cada vrtice u G.V {s}
2 u.cor = BRANCO
3 u.d =
inicializao
4 u. = NULO
5 s.cor = CINZA
6 s.d = 0
7 s. = NULO
BFS(G, s)
. . .
principal
8 Q =
9 ENFILEIRA(Q, s)
10 enquanto Q
11 u = DESENFILEIRA(Q)
12 para cada vrtice v G.adj[u]
14 v.cor = CINZA
15 v.d = u.d + 1
16 v.p = u
17 ENFILEIRA(Q, v)
18 u.cor = PRETO
Busca em largura
Eficincia de tempo
Matriz de adjacncia: (|V|2).
Lista de adjacncia: (|V| + |E|).
Busca em largura
Propriedades da BFS:
Todos os vrtices so explorados.
A busca em largura obtm o caminho mnimo
de um vrtice origem s at outro vrtice
qualquer v.
Procedimento BFS constri uma rvore de
busca em largura armazenada em G.
Busca em largura
Aplicaes da BFS:
Modelo para o algoritmo de Dijkstra para
caminho mnimo de origem nica e o algoritmo
de Prim para rvore geradora mnima.
Concluses
Fora bruta simples, mas ineficiente para
instncias de tamanho significativo.
Busca exaustiva uma estratgia fora bruta
para problemas de otimizao combinatria
(ou caminhamento em certas estruturas).
Estratgia de busca exaustiva: gere todos os
objetos combinatrios do problema e
selecione um que satisfaa as restries do
problema.
104
Bibliografia
A. Levitin. Introduction to the Design and
Analysis of Algorithms. 3rd edition. AddisonWesley, 2007.
T. H. Cormen, C.E. Leiserson, R.L. Rivest, C.
Stein, Introduction to Algorithms, 3rd
edition, MIT Press, 2009.
105

PAA - Aula9 - Busca Exaustiva

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

PAA - Aula9 - Busca Exaustiva

Caricato da

Copyright:

Formati disponibili

UNIVERSIDADE DO ESTADO DO AMAZONAS

ESCOLA SUPERIOR DE TECNOLOGIA

Projeto e Anlise de Algoritmos

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

Busca em profundidade e busca

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho

UEA/EST/NUCOMP Projeto e Anlise de Algoritmos Prof. Flvio Jos M. Coelho